În acest articol, voi împărtăși experiența mea de a dezvolta cea mai simplă inteligență artificială (AI) folosind un algoritm genetic și voi vorbi, de asemenea, despre setul minim de comenzi necesare pentru a genera orice comportament.

Rezultatul muncii a fost că AI, fără să cunoască regulile, a stăpânit în mod independent jocul și a găsit punctele slabe ale roboților care au jucat împotriva lui. Dar am început cu o sarcină și mai simplă.

Set de comenzi

Totul a început cu pregătirea unui set de comenzi pe care le-ar putea avea AI. Limbile de nivel înalt conțin sute de operatori diferiți. Pentru a evidenția minimul necesar, am decis să apelez la limbajul Asamblare. Cu toate acestea, s-a dovedit că conține și multe comenzi.

Aveam nevoie de IA pentru a putea citi și scoate date, să lucrez cu memoria, să efectuez calcule și operații logice, să fac tranziții și bucle. Am dat peste limbajul Brainfuck, care conține doar 8 comenzi și poate efectua orice calcul (adică este Turing complet). În principiu, este potrivit pentru programarea genetică, dar am mers mai departe.

M-am întrebat: care este numărul minim de comenzi necesare pentru a implementa orice algoritm? După cum sa dovedit, a fost doar unul!

Procesorul URISC conține o singură instrucțiune: scădeți și omiteți următoarea instrucțiune dacă subtraend a fost mai mare decât minuend. Acest lucru este suficient pentru a construi orice algoritm.

Oleg Mazonka a mers și mai departe, a dezvoltat comanda BitBitJump și a dovedit că este Turing complet. Instrucțiunea conține trei adrese, copiază un bit de la prima la a doua adresă de memorie și transferă controlul către a treia adresă.

Împrumutând ideile lui Oleg, pentru a simplifica munca, am dezvoltat comanda SumIfJump. Comanda conține patru operanzi: A, B, C, D și face următoarele: la celula de la adresa B adaugă date din celula de la adresa A, dacă valoarea este mai mare decât valoarea specificată*, atunci trece la adresa C, altfel merge la adresa D.

Notă

*În acest caz, a fost folosit 128 - jumătate din lungimea genomului.

Când operandul A accesează locația de memorie N0, are loc introducerea datelor, iar când operandul A accesează locația de memorie N1, are loc ieșirea.

Mai jos este codul SumIfJump în FreePascal (un analog gratuit al Delphi).

Procedură RunProg(s: TData); var a, b, c, d: TData; începe Inc(NStep); dacă NStep > MaxStep, atunci începe ProgResult:= "MaxStep"; Ieșire; Sfârşit; a:= s; b:= s + 1; c:= s + 2; d:= s + 3; a:= Prog[a]; b:= Prog[b]; c:= Prog[c]; d:=Prog[d]; dacă a = 0 atunci începe ProgResult:= "Intrare"; Ieșire; Sfârşit; dacă a = 1 atunci începe ProgResult:= "Ieșire"; Ieșire; Sfârşit; Prog[b] := Prog[b] + Prog[a]; dacă Prog[b]< ProgLength div 2 then RunProg(c) else RunProg(d); end;
SumIfJump implementează cod cu auto-modificare. Poate executa orice algoritm disponibil într-un limbaj de programare convențional. Codul este ușor de schimbat și poate rezista oricărei manipulări.

Sarcină simplă

Deci, AI-ul nostru are o singură comandă. Până acum, tic-tac-toe este un joc foarte dificil pentru el, așa că am început cu unul mai simplu.

Botul produce un număr aleatoriu, iar AI trebuie să citească datele și să dea un răspuns. Dacă numărul este mai mare decât media (din intervalul de numere aleatoare), AI ar trebui să producă un număr mai mic decât media și invers.

Genomul IA este format din 256 de celule cu valori de la 0 la 255. Fiecare valoare este o memorie, un cod și o adresă. Numărul de pași de execuție a codului este limitat la 256. Operanzii sunt citiți unul după altul.

Inițial, genomul este generat de un set de numere aleatorii, astfel încât AI nu știe ce are nevoie pentru a juca. Mai mult, nu știe că trebuie să introducă și să iasă date secvenţial atunci când răspunde la bot.

Populația și selecția

Prima populație este formată din 256 AI care încep să se joace cu botul. Dacă AI efectuează acțiunile corecte, de exemplu, a solicitat date pentru intrare și apoi scoate ceva, atunci AI primește puncte. Cu cât acțiunile sunt mai corecte, cu atât mai multe puncte.

Cele 16 AI care obțin cele mai multe puncte produc fiecare 15 descendenți și continuă să participe la joc. Un descendent este un mutant. Mutația are loc prin înlocuirea unei celule aleatoare dintr-o copie a părintelui cu o valoare aleatorie.

Dacă nu obțin scoruri AI în prima populație, se formează următoarea populație. Și așa mai departe până când unul dintre AI începe să efectueze acțiunile corecte și să producă descendenții „corecți”.

Evoluţie

Mii de schimbări generaționale au avut loc între evenimente semnificative. Programul a fost rulat în mai multe fire pe un Core i7. Calculele au durat aproximativ 15 minute.

Când „liderul” AI a făcut o greșeală aleatorie și nu a obținut suficiente puncte, populația a început să se degradeze, deoarece descendenții s-au format din părinți „secundari”.
S-a întâmplat ca într-un flux cu străini care marcau timpul, a avut loc o mutație reușită, oferind o creștere explozivă a punctelor câștigate. După care acest flux a devenit lider.
Uneori nu au avut loc mutații de succes pentru o lungă perioadă de timp și chiar 500 de mii de generații nu au fost suficiente pentru a finaliza selecția.

Concluzie

În cele din urmă, am făcut același lucru cu jocul tic-tac-toe. Mărimea genomului folosită a fost aceeași ca și în primul caz. Numărul de pași a fost crescut la 1024 și dimensiunea populației la 64 (pentru un calcul mai rapid). Calculul a durat ceva mai mult. Totul s-a întâmplat după aproximativ același scenariu.

La început, AI a jucat împotriva unui „randomizator”. Așa am numit botul care merge la întâmplare. Destul de repede, AI a început să-l bată, completând un rând. Apoi, am complicat sarcina adăugând puțină inteligență la randomizator: ocupați linia dacă este posibil sau apărați. Cu toate acestea, și în acest caz, AI a găsit punctele slabe ale botului și a început să-l învingă. Poate că o poveste despre asta este un subiect pentru un articol separat.

Fiul meu mi-a cerut să scriu un program pentru ca AI-urile să se joace între ele, și nu cu un bot. Au fost idei de a face același lucru pentru jocul de dame sau Go, totuși, nu mai aveam suficient timp pentru asta.

Singura metodă pe care am folosit-o pentru a obține noi indivizi este mutația. De asemenea, puteți utiliza crossover și inversare. Poate că aceste metode vor grăbi obținerea rezultatului dorit.

În cele din urmă, s-a născut o idee: să ofere AI capacitatea de a gestiona toate procesele pe un PC și de a concura pentru resursele computerului. Conectați-vă computerul la Internet și utilizați un grup de ferme vechi Bitcoin ca putere de calcul...

După cum a spus bloggerul în timp ce desfășura un experiment similar

Inteligenţă artificială: rece, nesimțit și intangibil. Dar aici se află viitorul; acest domeniu al științei va face posibil să se facă un pas mare și semnificativ către automatizarea proceselor și, în consecință, eliminarea unei părți din povara de rutină a specialiștilor valoroși. Și acum, în zorii dezvoltării sale, doar noi decidem ce va fi inteligenţă artificială după câteva decenii, l-am învățat.

Să încercăm să ne dăm seama ce există metode și algoritmi de învățare automată a inteligenței artificiale.

În mod tradițional, multe controverse apar în jurul noului și necunoscutului. Și chiar dacă deja s-au scris multe despre AI, aceasta nu este pe deplin înțeleasă de oameni. Aici apar afirmații precum: „Va lua sute de locuri de muncă de la oameni!”, „Se va răzvrăti împotriva oamenilor!”, „Da, ne săpăm propriul mormânt!”, „Mai devreme sau mai târziu nu vom fi. capabil să-l controleze!” și așa mai departe. Mulți oameni își imaginează inteligența artificială ca pe o superinteligență, care, deoarece sfidează propria lor explicație, reprezintă cu siguranță o amenințare pentru ei. Și, desigur, nimeni nu vrea să audă că acum, depășind limitele programului prescris de o persoană, în acest moment acest lucru este imposibil din punct de vedere tehnic.

Dar ce mai este posibil să-l înveți și cum se întâmplă acest lucru?

Metode de învățare automată a inteligenței artificiale:

Învățare inductivă

Obținerea datelor empirice, identificarea tiparelor, identificarea algoritmilor de acțiune în fiecare situație similară;

Învățare deductivă

Formalizarea datelor obținute de o persoană în diferite moduri și introducerea lor direct în baza de date;

Algoritmi de bază de luare a deciziilor pentru inteligența artificială:

Clasificator naiv Bayes

Una dintre cele mai simple metode de clasificare.

Această metodă este utilizată în tehnologia de scanare și recunoaștere facială/retină/amprentă, în împărțirea conținutului din fluxul de știri pe subiecte, precum și în împărțirea scrisorilor din e-mailul tău în categorii (în special, departamentul de spam);

Metoda de ansamblu poate fi numită, în general, o derivată a clasificatorului naiv Bayes descris mai sus, deoarece se bazează pe media bayesiană. Cu alte cuvinte, această metodă identifică intersecția probabilităților de rezultat, face media acestei valori, elimină dispersia valorilor, controlând în același timp căutarea unei soluții la problemă în condițiile date.

Este metoda de ansamblu care poate face posibilă găsirea soluției foarte optime a problemei, în care se vor cheltui mai puține resurse, iar rezultatul va satisface la maximum condițiile problemei.

Fără a intra în esența metodei în sine și în explicația modului de a construi un hiperplan și de a lucra cu acesta, SVM poate fi descris ca algoritmi pentru clasificare și analiza de regresie.

O tehnologie similară este utilizată în recunoașterea anumitor proprietăți ale unui obiect dintr-o fotografie (culoarea părului, sexul, culoarea îmbrăcămintei), precum și în genetică - în splicing ADN (separarea secvențelor de nucleotide specifice de ARN și conexiunea lor în timpul procesării ARN).

Arborele de decizie

Metoda (modelul) de decizie folosită zilnic de fiecare dintre noi. De aceea a devenit deja un meme

Dar glume la o parte, un astfel de model conține de obicei elemente precum: o problemă, metode de rezolvare, consecințele fiecărei metode, probabilitatea apariției consecințelor, costurile resurselor și rezultatul final. Cele mai multe dintre cele mai simple tehnologii care folosesc AI funcționează pe baza acestui model.

Regresia logică

O metodă care ne poate aduce mai aproape de inteligența artificială puternică, capabilă să ia decizii independente în unele situații. Regresia logică este o metodă de a prezice apariția unui eveniment având în vedere mai multe variabile.

Un algoritm similar este utilizat în meteorologie și seismologie, creditare, marketing și alte domenii.

Aș dori să evidențiez această metodă separat, deoarece în esență nu este o modalitate de a rezolva problema în sine, ci mai degrabă o modalitate de a determina erorile fiecărei soluții.

Algoritmii descriși mai sus sunt utilizați pentru metoda de învățare supravegheată, adică una în care o anumită etichetă (proprietate) poate fi atribuită unui anumit set de date, dar dacă această etichetă nu este disponibilă, atribuirea ei ar trebui prevăzută în alte situații similare .

Am rezolvat-o algoritmi de bază de învățare automată a inteligenței artificiale cel mai des folosit în practică. Merită luat în considerare faptul că utilizarea aplicată a AI în viața de zi cu zi și în rezolvarea problemelor de zi cu zi, în care cel mai adesea soluția problemei este absolut clară și este necesară doar automatizarea acestui proces, poate implica utilizarea unor algoritmi similari. Problema, a cărei soluție trebuie să fie o dezvoltare inovatoare, sau soluția va depinde de un număr mare de variabile (adică, în principal, diverse domenii ale științelor exacte), necesită algoritmi de soluție mai complecși, despre care puteți afla dacă aveți urmăriți știrile noastre.

Inteligență artificială (AI)(Engleză) Inteligenţă artificială, AI) este știința și dezvoltarea mașinilor și sistemelor inteligente, în special a programelor de calculator inteligente, care vizează înțelegerea inteligenței umane. Cu toate acestea, metodele folosite nu sunt neapărat plauzibile din punct de vedere biologic. Dar problema este că nu se știe ce proceduri de calcul dorim să le numim inteligente. Și din moment ce înțelegem doar unele dintre mecanismele inteligenței, atunci prin inteligență în cadrul acestei științe înțelegem doar partea computațională a capacității de a atinge obiective în lume.

Tipuri diferiteși grade de inteligență există la mulți oameni, animale și unele mașini, sisteme informaționale inteligente și diverse modele de sisteme expert cu baze de cunoștințe diferite. În același timp, după cum vedem, această definiție a inteligenței nu este legată de înțelegerea inteligenței umane - acestea sunt lucruri diferite. Mai mult decât atât, această știință modelează inteligența umană, deoarece, pe de o parte, se poate învăța ceva despre cum să faci ca mașinile să rezolve probleme prin observarea altor oameni, iar pe de altă parte, majoritatea lucrează în AI studiază problemele pe care umanitatea trebuie să le rezolve. în sens industrial și tehnologic. Prin urmare, cercetătorii AI sunt liberi să folosească tehnici care nu sunt observate la oameni dacă este necesar pentru a rezolva probleme specifice.

În acest sens, termenul a fost introdus de J. McCarthy în 1956, la o conferință la Universitatea Dartmouth, iar până acum, în ciuda criticilor celor care cred că inteligența este doar un fenomen biologic, în comunitatea științifică termenul și-a păstrat sens original, în ciuda contradicțiilor evidente din punctul de vedere al inteligenței umane.

În filosofie, problema naturii și statutului intelectului uman nu a fost rezolvată. De asemenea, nu există un criteriu exact pentru ca computerele să obțină „inteligență”, deși în zorii inteligenței artificiale au fost propuse o serie de ipoteze, de exemplu, testul Turing sau ipoteza Newell-Simon. Prin urmare, în ciuda numeroaselor abordări atât pentru înțelegerea problemelor AI, cât și pentru crearea de sisteme informaționale inteligente, se pot distinge două abordări principale ale dezvoltării AI:

· descendent (engleză) AI de sus în jos), semiotică - crearea de sisteme expert, baze de cunoștințe și sisteme de inferență logică care simulează procese mentale de nivel înalt: gândire, raționament, vorbire, emoții, creativitate etc.;

· ascendent AI de jos în sus), biologic – studiul rețelelor neuronale și al calculelor evolutive care modelează comportamentul inteligent bazat pe elemente mai mici „neinteligente”.

Această din urmă abordare, strict vorbind, nu se referă la știința inteligenței artificiale în sensul dat de J. McCarthy ei sunt uniți doar printr-un scop final comun;

Istoria inteligenței artificiale ca nouă direcție științifică începe la mijlocul secolului al XX-lea. Până atunci, multe premise pentru originea sa fuseseră deja formate: printre filosofi au existat dezbateri de multă vreme despre natura omului și procesul de înțelegere a lumii, neurofiziologii și psihologii au dezvoltat o serie de teorii cu privire la activitatea creierului uman. și gândirea, economiștii și matematicienii au pus întrebări despre calculele optime și prezentarea cunoștințelor despre lume într-o formă formalizată; în cele din urmă, s-a născut fundamentul teoriei matematice a calculelor - teoria algoritmilor - și au fost create primele calculatoare.

Capacitățile noilor mașini în ceea ce privește viteza de calcul s-au dovedit a fi mai mari decât cele umane, așa că comunitatea științifică și-a pus întrebarea: care sunt limitele capacităților computerelor și vor atinge mașinile la nivelul dezvoltării umane? În 1950, unul dintre pionierii în domeniul calculului, omul de știință englez Alan Turing, în articolul „Can a Machine Think?”, oferă răspunsuri la întrebări similare și descrie o procedură prin care se va putea determina momentul în care o mașină devine egală în termeni de inteligență cu o persoană, numit testul Turing.

Testul Turing este un test empiric propus de Alan Turing în lucrarea sa din 1950 „Computing Machines and Minds” din revista de filosofie. Minte" Scopul acestui test este de a determina posibilitatea unei gândiri artificiale apropiate de uman. Interpretarea standard a acestui test este: „O persoană interacționează cu un computer și o persoană. Pe baza răspunsurilor la întrebări, el trebuie să stabilească cu cine vorbește: o persoană sau un program de calculator. Scopul unui program de calculator este să inducă în eroare o persoană să facă o alegere greșită.” Toți participanții la test nu se pot vedea.

Există trei abordări pentru definirea inteligenței artificiale:

1) Abordare logică spre crearea sistemelor de inteligență artificială se urmărește crearea de sisteme expert cu modele logice de baze de cunoștințe folosind limbajul predicatelor. Sistemul de programare în limbaj și logică Prolog a fost adoptat ca model educațional pentru sistemele de inteligență artificială în anii 80. Bazele de cunoștințe scrise în limbajul Prolog reprezintă seturi de fapte și reguli de inferență logică scrise în limbajul logic. Modelul logic al bazelor de cunoștințe vă permite să înregistrați nu numai informații și date specifice sub formă de fapte în limbajul Prolog, ci și informații generalizate folosind reguli și proceduri de inferență logică, inclusiv reguli logice pentru definirea conceptelor care exprimă anumite cunoștințe ca specifice. și informații generalizate. În general, cercetarea problemelor inteligenței artificiale în informatică în cadrul unei abordări logice a proiectării bazelor de cunoștințe și a sistemelor expert vizează crearea, dezvoltarea și funcționarea sistemelor informaționale inteligente, inclusiv problemele de predare a studenților și școlari, precum și instruirea utilizatorilor și dezvoltatorilor de astfel de sisteme informatice inteligente.

2) Abordare bazată pe agenți s-a dezvoltat de la începutul anilor 1990. Conform acestei abordări, inteligența este partea computațională (planificarea) a capacității de a atinge obiectivele stabilite pentru o mașină inteligentă. O astfel de mașină în sine va fi un agent inteligent, percepând lumea din jurul ei cu ajutorul senzorilor și capabil să influențeze obiectele din mediul înconjurător folosind dispozitive de acționare. Această abordare se concentrează pe acele metode și algoritmi care vor ajuta agentul inteligent să supraviețuiască în mediu în timp ce își îndeplinește sarcina. Astfel, algoritmii de căutare și de luare a deciziilor sunt studiați mult mai puternic aici.

3) Abordare intuitivă presupune că AI va putea prezenta un comportament care nu este diferit de cel al oamenilor și în situații normale. Această idee este o generalizare a abordării testului Turing, care afirmă că o mașină va deveni inteligentă atunci când este capabilă să poarte o conversație cu o persoană obișnuită și nu va putea înțelege că vorbește cu mașina ( conversația se desfășoară prin corespondență).

Definiția a selectat următoarele domenii de cercetare în domeniul IA:

- Modelarea simbolică a proceselor de gândire.

Analizând istoria IA, putem evidenția un domeniu atât de vast ca modelarea raționamentului. De mulți ani, dezvoltarea inteligenței artificiale ca știință s-a deplasat tocmai pe această cale, iar acum este una dintre cele mai dezvoltate domenii ale inteligenței artificiale moderne. Modelarea raționamentului implică crearea unor sisteme simbolice, a căror intrare este o anumită problemă, iar rezultatul necesită rezolvarea acesteia. De regulă, problema propusă a fost deja formalizată, adică tradusă în formă matematică, dar fie nu are un algoritm de rezolvare, fie este prea complexă, consumatoare de timp etc. Această zonă include: demonstrarea teoremelor, decizia realizarea și teoria jocurilor, planificarea și expedierea, prognozarea.

- Lucrul cu limbaje naturale.

Un domeniu important este procesarea limbajului natural, care presupune analiza capacităților de înțelegere, procesare și generare de texte în limbaj „uman”. În special, problema traducerii automate a textelor dintr-o limbă în alta nu a fost încă rezolvată. ÎN lumea modernă Dezvoltarea metodelor de regăsire a informațiilor joacă un rol major. Prin natura sa, testul Turing original este legat de această direcție.

- Acumularea și utilizarea cunoștințelor.

Potrivit multor oameni de știință, o proprietate importantă a inteligenței este capacitatea de a învăța. Astfel, ingineria cunoașterii iese în prim-plan, combinând sarcinile de obținere a cunoștințelor din informații simple, sistematizarea și utilizarea acesteia. Progresele în acest domeniu afectează aproape toate celelalte domenii ale cercetării AI. Nici aici două subzone importante nu pot fi trecute cu vederea. Prima dintre ele - învățarea automată - se referă la procesul de achiziție independentă a cunoștințelor de către un sistem inteligent în procesul de funcționare a acestuia. Al doilea este asociat cu crearea de sisteme expert - programe care folosesc baze de cunoștințe specializate pentru a obține concluzii de încredere asupra oricărei probleme.

Domeniul învățării automate include o clasă mare de probleme de recunoaștere a modelelor. De exemplu, aceasta este recunoașterea caracterelor, textul scris de mână, vorbirea, analiza textului. Multe probleme sunt rezolvate cu succes folosind modelarea biologică. Modelare biologică

Există realizări mari și interesante în domeniul modelării sistemelor biologice. Strict vorbind, aceasta poate include mai multe direcții independente. Rețelele neuronale sunt folosite pentru a rezolva probleme neclare și complexe, cum ar fi recunoașterea formelor geometrice sau gruparea obiectelor. Abordarea genetică se bazează pe ideea că un algoritm poate deveni mai eficient dacă împrumută caracteristici mai bune de la alți algoritmi („părinți”). O abordare relativ nouă, în care sarcina este de a crea un program autonom - un agent care interacționează cu mediul extern, se numește abordare agent. De menționat în special este viziunea computerizată, care este, de asemenea, asociată cu robotica.

- Robotică.

În general, robotica și inteligența artificială sunt adesea asociate una cu cealaltă. Integrarea acestor două științe, crearea de roboți inteligenți, poate fi considerată o altă zonă a AI.

- Creativitatea mașinii.

Natura creativității umane este chiar mai puțin studiată decât natura inteligenței. Cu toate acestea, această zonă există, iar aici sunt puse problemele scrisului pe calculator de muzică, opere literare (de multe ori poezie sau basme) și creație artistică. Crearea de imagini realiste este utilizată pe scară largă în industria filmului și a jocurilor. Adăugarea acestei caracteristici oricărui sistem inteligent vă permite să demonstrați foarte clar ce percepe exact sistemul și cum îl înțelege. Prin adăugarea de zgomot în loc să lipsească informații sau prin filtrarea zgomotului cu cunoștințele disponibile în sistem, se produce imagini concrete din cunoștințe abstracte care sunt ușor de perceput de către o persoană, acest lucru este util în special pentru cunoștințe intuitive și de valoare redusă, a căror verificare într-un forma formală necesită un efort mental semnificativ.

- Alte domenii de cercetare.

Există multe aplicații ale inteligenței artificiale, fiecare dintre ele formând o direcție aproape independentă. Exemplele includ inteligența de programare în jocuri pe calculator, control neliniar, sisteme inteligente de securitate a informațiilor.

Abordări pentru crearea de sisteme inteligente. Abordarea simbolică vă permite să operați cu reprezentări slab formalizate și semnificațiile acestora. Eficiența și eficacitatea generală depind de capacitatea de a evidenția doar informațiile esențiale. Amploarea claselor de probleme rezolvate eficient de mintea umană necesită o flexibilitate incredibilă în metodele de abstractizare. Nu este accesibil cu orice abordare inginerească pe care cercetătorul o alege inițial pe baza unui criteriu deliberat defectuos, pentru capacitatea sa de a oferi rapid o soluție eficientă la o problemă care este cea mai apropiată de acest cercetător. Adică pentru un singur model de abstractizare și construcție a entităților deja implementate sub formă de reguli. Acest lucru duce la cheltuirea semnificativă a resurselor pentru sarcini non-core, adică sistemul revine de la informații la forța brută pentru majoritatea sarcinilor și însăși esența inteligenței dispare din proiect.

Este deosebit de dificil fără logica simbolică atunci când sarcina este de a dezvolta reguli, deoarece componentele lor, nefiind unități de cunoaștere cu drepturi depline, nu sunt logice. Majoritatea studiilor se opresc la imposibilitatea măcar de a identifica noi dificultăți care au apărut folosind sistemele simbolice alese în etapele anterioare. Mai mult, rezolvă-le, și mai ales antrenează computerul să le rezolve, sau măcar să identifice și să iasă din astfel de situații.

Din punct de vedere istoric, abordarea simbolică a fost prima din era mașinilor digitale, deoarece tocmai după crearea Lisp, primul limbaj de calcul simbolic, autorul său a devenit încrezător în posibilitatea de a începe practic implementarea acestor mijloace de inteligență. Inteligența ca atare, fără rezerve sau convenții.

Crearea de sisteme inteligente hibride în care sunt utilizate mai multe modele simultan este practicată pe scară largă. Regulile de inferență expert pot fi generate de rețelele neuronale, iar regulile generative sunt obținute folosind învățarea statistică.

Dezvoltarea teoriei multimilor fuzzy. Dezvoltarea teoriei mulțimilor fuzzy a început cu articolul „Fuzzy Sets”, publicat de profesorul american Lotfi Zadeh, care a introdus primul conceptul de mulțime fuzzy, a propus ideea și primul concept al unei teorii care a făcut posibilă fuzzyly. descrie sisteme reale. Cea mai importantă direcție a teoriei mulțimilor fuzzy este logica fuzzy, folosită pentru a controla sistemele, precum și în experimente privind formarea modelelor acestora.

Anii 60 au început o perioadă de dezvoltare rapidă a computerelor și a tehnologiilor digitale bazate pe logica binară. La acea vreme, se credea că utilizarea acestei logici va permite rezolvarea multor probleme științifice și tehnice. Din acest motiv, apariția logicii fuzzy a rămas aproape neobservată, în ciuda întregii sale naturi revoluționare conceptuale. Cu toate acestea, importanța logicii fuzzy a fost recunoscută de un număr de reprezentanți ai comunității științifice și a fost dezvoltată precum și implementarea practică în diverse aplicații industriale. După ceva timp, interesul pentru acesta a început să crească din partea școlilor științifice care au unit adepții tehnologiilor bazate pe logica binară. Acest lucru s-a întâmplat din cauza faptului că au fost descoperite destul de multe probleme practice care nu au putut fi rezolvate folosind modele și metode matematice tradiționale, în ciuda vitezei de calcul disponibile semnificativ crescute. Era necesară o nouă metodologie, ale cărei trăsături caracteristice se regăseau în logica fuzzy.

La fel ca robotica, logica fuzzy a fost întâmpinată cu mare interes nu în țara sa de origine, Statele Unite, ci dincolo de granițele sale și, drept consecință, prima experiență de utilizare industrială a logicii fuzzy - pentru a controla instalațiile de cazane ale centralelor electrice - este asociat cu Europa. Toate încercările de a folosi metode tradiționale, uneori foarte complicate, pentru a controla un cazan de abur s-au încheiat cu eșec - acest sistem neliniar s-a dovedit a fi atât de complex. Și numai utilizarea logicii fuzzy a făcut posibilă sintetizarea unui controler care a îndeplinit toate cerințele. În 1976, logica fuzzy a fost folosită ca bază pentru un sistem de control automat pentru un cuptor rotativ în producția de ciment. Cu toate acestea, primele rezultate practice ale utilizării logicii fuzzy, obținute în Europa și America, nu au provocat nicio creștere semnificativă a interesului pentru aceasta. Așa cum a fost cu robotica, țara care a început prima implementare pe scară largă a logicii fuzzy, realizându-și potențialul enorm, a fost Japonia.

Dintre sistemele fuzzy aplicate create în Japonia, cel mai cunoscut este sistemul de control al trenului de metrou dezvoltat de Hitachi în Sendai. Proiectul a fost implementat cu participarea unui șofer cu experiență, ale cărui cunoștințe și experiență au stat la baza modelului de control dezvoltat. Sistemul a redus automat viteza trenului pe măsură ce se apropia de gară, asigurând o oprire în locația necesară. Un alt avantaj al trenului a fost confortul său ridicat, datorită accelerării și decelerației netede. Au existat o serie de alte avantaje în comparație cu sistemele tradiționale de control.

Dezvoltarea rapidă a logicii fuzzy în Japonia a dus la aplicațiile sale practice nu numai în industrie, ci și în producția de bunuri de larg consum. Un exemplu aici este o cameră video echipată cu un subsistem de stabilizare a imaginii neclare, care a fost folosită pentru a compensa fluctuațiile de imagine cauzate de lipsa de experiență a operatorului. Această problemă era prea complexă pentru a fi rezolvată prin metode tradiționale, deoarece era necesar să se distingă fluctuațiile aleatorii ale imaginii de mișcarea intenționată a obiectelor fotografiate (de exemplu, mișcarea oamenilor).

Un alt exemplu este mașina de spălat automată, care se acționează prin apăsarea unui buton (Zimmerman 1994). Această „integritate” a stârnit interes și a fost întâmpinată cu aprobare. Utilizarea metodelor cu logica fuzzy a făcut posibilă optimizarea procesului de spălare, oferind recunoașterea automată a tipului, volumului și gradului de murdărie a hainelor, fără a mai vorbi de faptul că reducerea mecanismului de control al mașinii la un singur buton a făcut semnificativ mai ușor mâner.

Invențiile cu logica fuzzy au fost implementate de firme japoneze în multe alte dispozitive, inclusiv cuptoare cu microunde (Sanyo), sisteme de frânare antiblocare și transmisii automate (Nissan), Control integrat al dinamicii vehiculelor (INVEC) și controlere de hard disk în computere reducerea timpului de acces la informații.

Pe lângă aplicațiile menționate mai sus, încă de la începutul anilor 90. Există o dezvoltare intensivă a metodelor fuzzy într-un număr de domenii aplicate, inclusiv cele care nu sunt legate de tehnologie:

Sistem electronic de control al stimulatorului cardiac;

Sistem de control al autovehiculelor;

Sisteme de racire;

Aparate de aer condiționat și echipamente de ventilație;

Echipamente de incinerare a deșeurilor;

Cuptor de topire a sticlei;

Sistem de monitorizare a tensiunii arteriale;

Diagnosticul tumorilor;

Diagnosticarea stării actuale a sistemului cardiovascular;

Sistem de control pentru macarale si poduri;

Procesarea imaginii;

Incarcator rapid;

recunoașterea cuvintelor;

Managementul bioprocesorului;

Control motor electric;

Echipamente de sudare și procese de sudare;

Sisteme de control al traficului;

Cercetare biomedicală;

Stații de tratare a apei.

ÎN în prezentîn crearea inteligenței artificiale (în sensul original al cuvântului, sistemele expert și programele de șah nu aparțin aici) există o măcinare intensivă a tuturor domeniilor care au cel puțin o anumită legătură cu AI în baze de cunoștințe. Aproape toate abordările au fost testate, dar niciun grup de cercetare nu a abordat apariția inteligenței artificiale.

Cercetarea AI s-a alăturat fluxului general de tehnologii de singularitate (salt de specie, dezvoltare umană exponențială), cum ar fi informatica, sisteme expert, nanotehnologie, bioelectronica moleculară, biologie teoretică, teorie(e) cuantică, nootropice, extrofili etc. vezi fluxul zilnic Kurzweil News, MIT.

Rezultatele evoluțiilor în domeniul AI au intrat în învățământul superior și secundar în Rusia sub forma manualelor de informatică, unde acum sunt studiate problemele de lucru și crearea de baze de cunoștințe, sisteme expert bazate pe calculatoare personale bazate pe sisteme de programare logică domestică, precum și studierea problemelor fundamentale ale matematicii și informaticii folosind exemple de lucru cu modele de baze de cunoștințe și sisteme expert în școli și universități.

Au fost dezvoltate următoarele sisteme de inteligență artificială:

1. Deep Blue - a învins campionul mondial de șah. (Potrivirea dintre Kasparov și supercomputere nu a adus satisfacție nici informaticienilor, nici jucătorilor de șah, iar sistemul nu a fost recunoscut de Kasparov, deși programele originale compacte de șah sunt un element integral al creativității în șah. Apoi a apărut linia de supercomputere IBM în forța brută proiectează BluGene (modelare moleculară) și modelarea sistemului celular piramidal la Swiss Blue Brain Center. Această poveste este un exemplu al relației complicate și secrete dintre AI, afaceri și obiectivele strategice naționale.)

2. Mycin a fost unul dintre primele sisteme experte care au putut diagnostica un set mic de boli, adesea la fel de precis ca și medicii.

3. 20q este un proiect bazat pe idei AI, bazat pe jocul clasic „20 Questions”. A devenit foarte popular după ce a apărut pe internet pe site-ul 20q.net.

4. Recunoașterea vorbirii. Sisteme precum ViaVoice sunt capabile să servească consumatorii.

5. Roboții concurează într-o formă simplificată de fotbal în turneul anual RoboCup.

Băncile folosesc sisteme de inteligență artificială (AI) în activități de asigurări (matematică actuarială) atunci când joacă la bursă și la administrarea proprietăților. În august 2001, roboții au învins oamenii într-o competiție comercială improvizată (BBC News, 2001). Metodele de recunoaștere a modelelor (incluzând atât rețele mai complexe, cât și mai specializate și neuronale) sunt utilizate pe scară largă în recunoașterea optică și acustică (inclusiv text și vorbire), diagnosticare medicală, filtre de spam, în sistemele de apărare aeriană (identificarea țintei), precum și pentru a asigura un număr a altor sarcini de securitate naţională.

Dezvoltatorii de jocuri pe computer sunt forțați să folosească AI de diferite grade de sofisticare. Sarcinile standard ale AI în jocuri sunt găsirea unei căi în spațiul bidimensional sau tridimensional, simularea comportamentului unei unități de luptă, calcularea strategiei economice corecte și așa mai departe.

Inteligența artificială este strâns legată de transumanismul. Și împreună cu neurofiziologia, epistemologia, psihologia cognitivă, formează o știință mai generală numită știință cognitivă. Filosofia joacă un rol deosebit în inteligența artificială. De asemenea, epistemologia - știința cunoașterii în cadrul filozofiei - este strâns legată de problemele inteligenței artificiale. Filosofii care lucrează la acest subiect se confruntă cu întrebări similare cu cele cu care se confruntă inginerii AI cu privire la modul cel mai bun de a reprezenta și utiliza cunoștințele și informațiile. Producerea de cunoștințe din date este una dintre problemele de bază ale extragerii datelor. Există diverse abordări pentru rezolvarea acestei probleme, inclusiv cele bazate pe tehnologia rețelelor neuronale, folosind proceduri de verbalizare a rețelei neuronale.

În informatică, problemele inteligenței artificiale sunt luate în considerare din perspectiva proiectării sistemelor expert și a bazelor de cunoștințe. Bazele de cunoștințe sunt înțelese ca un set de date și reguli de inferență care permit inferența logică și procesarea semnificativă a informațiilor. În general, cercetarea problemelor de inteligență artificială în informatică vizează crearea, dezvoltarea și funcționarea sistemelor informaționale inteligente, inclusiv problemele de instruire a utilizatorilor și dezvoltatorilor de astfel de sisteme.

Știința „creării inteligenței artificiale” nu a putut să nu atragă atenția filozofilor. Odată cu apariția primelor sisteme inteligente, au fost ridicate întrebări fundamentale despre om și cunoaștere, și parțial despre ordinea mondială. Pe de o parte, ele sunt indisolubil legate de această știință și, pe de altă parte, introduc un oarecare haos în ea. Problemele filozofice ale creării inteligenței artificiale pot fi împărțite în două grupuri, relativ vorbind, „înainte și după dezvoltarea IA”. Primul grup răspunde la întrebarea: „Ce este AI, este posibil să o creezi și, dacă este posibil, cum să o faci?” Al doilea grup (etica inteligenței artificiale) pune întrebarea: „Care sunt consecințele creării AI pentru umanitate?”

Probleme legate de crearea inteligenței artificiale. Două direcții de dezvoltare a IA sunt vizibile: prima - în rezolvarea problemelor asociate cu apropierea sistemelor AI specializate de capacitățile umane și integrarea acestora, care este realizată de natura umană, a doua - în crearea Inteligenței Artificiale, care reprezintă integrarea sistemelor AI deja create într-un singur sistem capabil să rezolve problemele omenirii.

Printre cercetătorii AI nu există încă un punct de vedere dominant asupra criteriilor inteligenței, sistematizării scopurilor și sarcinilor de rezolvat, nu există nici măcar o definiție strictă a științei. Există diferite puncte de vedere cu privire la întrebarea a ceea ce este considerat inteligență. Abordarea analitică implică analiza activității nervoase superioare a unei persoane la nivelul cel mai scăzut, indivizibil (funcția activității nervoase superioare, o reacție elementară la iritanții externi (stimuli), iritarea sinapselor unui set de neuroni conectați prin funcție) și reproducerea ulterioară a acestor funcţii.

Unii experți confundă capacitatea de alegere rațională, motivată în condiții de lipsă de informații cu inteligență. Adică, un program intelectual este pur și simplu considerat a fi acel program de activitate care poate alege dintr-un anumit set de alternative, de exemplu, unde să mergi în cazul „vei merge la stânga...”, „vei merge la dreapta”. ...”, „vei merge drept...”.

Cea mai aprinsă dezbatere din filosofia inteligenței artificiale este problema posibilității gândirii create de mâinile omului. Întrebarea „Poate o mașină să gândească?”, care i-a determinat pe cercetători să creeze știința simulării minții umane, a fost pusă de Alan Turing în 1950. Cele două puncte de vedere principale cu privire la această problemă se numesc ipotezele inteligenței artificiale puternice și slabe.

Termenul de „inteligență artificială puternică” a fost introdus de John Searle, iar în cuvintele sale abordarea este caracterizată: „Un astfel de program nu va fi doar un model al minții; ea, în sensul literal al cuvântului, ea însăși va fi mintea, în același sens în care mintea umană este mintea.” În schimb, susținătorii unei IA slabe preferă să vadă programele doar ca instrumente care le permit să rezolve anumite probleme care nu necesită întreaga gamă de abilități cognitive umane.

Experimentul de gândire „Chinese Room” al lui John Searle susține că trecerea testului Turing nu este un criteriu pentru ca o mașină să aibă un proces de gândire autentic. Gândirea este procesul de prelucrare a informațiilor stocate în memorie: analiză, sinteză și autoprogramare. O poziție similară este luată de Roger Penrose, care în cartea sa „The King’s New Mind” pledează pentru imposibilitatea obținerii procesului de gândire pe baza sistemelor formale.

6. Dispozitive de calcul și microprocesoare.

Un microprocesor (MP) este un dispozitiv care primește, procesează și emite informații. Structural, MP conține unul sau mai multe circuite integrate și efectuează acțiuni definite de un program stocat în memorie (Fig. 6.1).

Figura 6.1– Aspect MP

Procesoarele timpurii au fost create ca componente unice pentru sisteme informatice unice. Mai târziu, producătorii de computere au trecut de la metoda costisitoare de dezvoltare a procesoarelor concepute pentru a rula unul sau câteva programe foarte specializate la producția în masă a claselor tipice de dispozitive cu procesoare multifuncționale. Tendința către standardizarea componentelor computerelor a apărut în epoca dezvoltării rapide a elementelor semiconductoare, mainframe-urilor și minicalculatoarelor, iar odată cu apariția circuitelor integrate a devenit și mai populară. Crearea microcircuitelor a făcut posibilă creșterea în continuare a complexității procesoarelor, reducând simultan dimensiunea fizică a acestora.

Standardizarea și miniaturizarea procesoarelor a dus la pătrunderea profundă a dispozitivelor digitale bazate pe acestea în viața umană de zi cu zi. Procesoarele moderne pot fi găsite nu numai în dispozitivele de înaltă tehnologie precum computere, ci și în mașini, calculatoare, telefoane mobile și chiar jucării pentru copii. Cel mai adesea ele sunt reprezentate de microcontrolere, unde, pe lângă dispozitivul de calcul, pe cip sunt amplasate componente suplimentare (memorie de programe și date, interfețe, porturi de intrare/ieșire, temporizatoare etc.). Capacitățile de calcul ale microcontrolerului sunt comparabile cu procesoarele computerelor personale de acum zece ani și, de cele mai multe ori, chiar depășesc semnificativ performanța acestora.

Un sistem cu microprocesor (MPS) este un sistem de calcul, instrumentare sau control în care principalul dispozitiv de procesare a informațiilor este MP. Sistemul cu microprocesor este construit dintr-un set de LSI-uri de microprocesor (Fig. 6.2).

Figura 6.2– Exemplu de sistem cu microprocesor

Generatorul de impulsuri de ceas stabilește un interval de timp, care este o unitate de măsură (cuantică) pentru durata execuției comenzii. Cu cât frecvența este mai mare, cu atât este mai rapid, celelalte lucruri fiind egale, MPS-ul. MP, RAM și ROM sunt părți integrante ale sistemului. Interfețe de intrare și ieșire - dispozitive pentru interfațarea MPS cu blocuri de intrare și ieșire. Instrumentele de măsurare se caracterizează prin dispozitive de intrare sub forma unei telecomenzi cu buton și convertoare de măsură (ADC-uri, senzori, unități de intrare a informațiilor digitale). Dispozitivele de ieșire reprezintă de obicei afișaje digitale, un ecran grafic (afișaj) și dispozitive externe pentru interfața cu sistemul de măsurare. Toate blocurile MPS sunt interconectate prin magistrale de transmisie digitală a informațiilor. MPS folosește principiul comunicării backbone, în care blocurile schimbă informații printr-o singură magistrală de date. Numărul de linii din magistrala de date corespunde de obicei capacității MPS (numărul de biți dintr-un cuvânt de date). Autobuzul de adrese este folosit pentru a indica direcția transferului de date - transmite adresa unei celule de memorie sau a unui bloc I/O care primește sau transmite în prezent informații. Busul de control este folosit pentru a transmite semnale care sincronizează întreaga funcționare a MPS.

Construcția IPS se bazează pe trei principii:

Linia principală;

Modularitate;

Controlul microprogramelor.

Principiul trunking - determină natura conexiunilor dintre blocurile funcționale ale MPS - toate blocurile sunt conectate la o singură magistrală de sistem.

Principiul modularității este că sistemul este construit pe baza unui număr limitat de tipuri de module complete structural și funcțional.

Principiile trunchiului și modularității fac posibilă creșterea capacităților de control și de calcul ale MP prin conectarea altor module la magistrala de sistem.

Principiul controlului microprogramelor este capacitatea de a efectua operații elementare - microcomenzi (schimbări, transferuri de informații, operații logice), cu ajutorul cărora se creează un limbaj tehnologic, adică un set de comenzi care se potrivește cel mai bine scopului sistemului.

În funcție de scopul lor, parlamentarii sunt împărțiți în universali și specializați.

Microprocesoarele universale sunt microprocesoare de uz general care rezolvă o clasă largă de probleme de calcul, procesare și control. Un exemplu de utilizare a MP-urilor universale sunt computerele construite pe platformele IBM și Macintosh.

Microprocesoarele specializate sunt concepute pentru a rezolva probleme doar dintr-o anumită clasă. Deputații specializați includ: deputați de semnalizare, multimedia și transputere.

Procesoarele de semnal (DSP) sunt proiectate pentru procesarea semnalului digital în timp real (de exemplu, filtrarea semnalului, calculul convoluției, calculul funcției de corelare, limitarea și condiționarea semnalului, efectuând transformări Fourier directe și inverse). (Figura 6.3) Procesoarele de semnal includ procesoare de la Texas Instruments - TMS320C80, Analog Devices - - ADSP2106x, Motorola -DSP560xx și DSP9600x.

Figura 6.3– Exemplu de structură DSP internă

Procesoarele media și multimedia sunt concepute pentru a procesa semnale audio, informații grafice, imagini video, precum și pentru a rezolva o serie de probleme în computerele multimedia, consolele de jocuri și aparatele de uz casnic. Aceste procesoare includ procesoare de la MicroUnity - Mediaprocessor, Philips - Trimedia, Cromatic Research - Mpact Media Engine, Nvidia - NV1, Cyrix - MediaGX.

Transputerele sunt proiectate pentru a organiza calcule masiv paralele și pentru a lucra în sisteme multiprocesor. Ele sunt caracterizate prin prezența memoriei interne și a unei interfețe interprocesor încorporate, adică canale de comunicare cu alte MP LSI.

Pe baza tipului de arhitectură, sau a principiului construcției, se face o distincție între MP cu arhitectură von Neumann și MP cu arhitectură Harvard.

Conceptul de arhitectură a microprocesorului definește părțile sale componente, precum și conexiunile și interacțiunile dintre ele.

Arhitectura include:

Diagrama structurală a MP;

Model software MP (descrierea funcțiilor registrului);

Informații despre organizarea memoriei (capacitate și metode de adresare a memoriei);

Descrierea organizării procedurilor de intrare/ieșire.

Arhitectura Fonneumann (Fig. 6.4, a) a fost propusă în 1945 de matematicianul american Joe von Neumann. Particularitatea sa este că programul și datele sunt localizate în memoria partajată, care este accesată printr-o magistrală de date și comandă.

Arhitectura Harvard a fost implementată pentru prima dată în 1944 în computerul releu de la Universitatea Harvard (SUA). O caracteristică a acestei arhitecturi este că memoria de date și memoria programului sunt separate și au magistrale de date și magistrale de comandă separate (Fig. 6.4, b), ceea ce face posibilă creșterea performanței sistemului MP.

Figura 6.4. Principalele tipuri de arhitectură: (a - von Neumann; 6 - Harvard)

Pe baza tipului de sistem de instrucțiuni, se face o distincție între procesoarele CISC (Complete Instruction Set Computing) cu un set complet de instrucțiuni (reprezentanții tipici ai CISC sunt familia de microprocesoare Intel x86) și procesoare RISC(Reduced Instruction Set Computing) cu un set redus de instrucțiuni (caracterizat prin prezența instrucțiunilor cu lungime fixă, un număr mare de registre, operații de la registru la registru și absența adresei indirecte).

Microcontrolerul cu un singur cip (MCU) este un cip conceput pentru a controla dispozitivele electronice (Figura 5). Un microcontroler tipic combină funcțiile unui procesor și ale dispozitivelor periferice și poate conține RAM și ROM. În esență, este un computer cu un singur cip capabil să îndeplinească sarcini simple. Utilizarea unui singur cip în loc de un set întreg reduce semnificativ dimensiunea, consumul de energie și costul dispozitivelor bazate pe microcontrolere.

Figura 6.5– exemple de design de microcontrolere

Microcontrolerele sunt baza pentru construirea de sisteme încorporate, acestea pot fi găsite în multe dispozitive moderne, cum ar fi telefoanele, mașini de spălat etc. Majoritatea procesoarelor produse în lume sunt microcontrolere.

Astăzi, microcontrolere pe 8 biți compatibile cu i8051 de la Intel, microcontrolere PIC de la Microchip Technology și AVR de la Atmel, MSP430 pe șaisprezece biți de la TI, precum și ARM, a cărui arhitectură este dezvoltată de ARM și vinde licențe altor companii pentru producția lor, sunt populare printre dezvoltatori.

La proiectarea microcontrolerelor, există un echilibru între dimensiune și cost, pe de o parte, și flexibilitate și performanță, pe de altă parte. Pentru diferite aplicații, echilibrul optim al acestor și altor parametri poate varia foarte mult. Prin urmare, există un număr mare de tipuri de microcontrolere, care diferă în arhitectura modulului procesorului, dimensiunea și tipul memoriei încorporate, setul de dispozitive periferice, tipul carcasei etc.

O listă parțială de periferice care pot fi prezente în microcontrolere include:

Porturi digitale universale care pot fi configurate pentru intrare sau ieșire;

Diverse interfețe I/O, cum ar fi UART, I²C, SPI, CAN, USB, IEEE 1394, Ethernet;

Convertoare analog-digital și digital-analogic;

Comparatoare;

Modulatoare de lățime a impulsurilor;

Temporizatoare, generator de ceas încorporat și temporizator watchdog;

Controlere de motoare fără perii;

Controlere de afișare și tastatură;

Receptoare și transmițătoare de frecvență radio;

Matrice de memorie flash încorporată.

Inteligența artificială este o tehnologie pe care cu siguranță o vom lua cu noi în viitor.

Vă vom spune cum funcționează și ce utilizări interesante am găsit.

😎 Secțiunea Tehnologie este publicată în fiecare săptămână cu sprijinul re:Store.

Ce este inteligența artificială

Inteligența artificială (AI) este tehnologia de a crea programe și mașini inteligente care pot rezolva probleme creative și pot genera informații noi pe baza informațiilor existente. De fapt, inteligența artificială este concepută pentru a simula activitatea umană, care este considerată intelectuală.

În mod tradițional, se credea că creativitatea este unică pentru oameni. Dar crearea inteligenței artificiale a schimbat ordinea obișnuită a lucrurilor

Un robot care pur și simplu toacă mecanic lemnul nu este echipat cu AI. Un robot care a învățat să taie singur lemnul, uitându-se la exemplul unei persoane sau a unui buștean și a părților sale și o face mai bine de fiecare dată, are AI.

Dacă un program pur și simplu preia valori din baza de date conform anumitor reguli, nu este echipat cu AI. Dacă sistemul, după antrenament, creează programe, metode și documente, rezolvând anumite probleme, are AI.

Cum se creează un sistem de inteligență artificială

Într-un sens global, trebuie să imităm modelul gândirii umane. Dar, în realitate, este necesar să se creeze o cutie neagră - un sistem care, ca răspuns la un set de valori de intrare, produce valori de ieșire care ar fi similare cu rezultatele umane. Și nouă, în general, nu ne pasă ce se întâmplă „în capul ei” (între intrare și ieșire).

Sistemele de inteligență artificială sunt create pentru a rezolva o anumită clasă de probleme

Baza inteligenței artificiale este învățarea, imaginația, percepția și memoria

Primul lucru pe care trebuie să-l faceți pentru a crea inteligență artificială este să dezvoltați funcții care implementează percepția informațiilor, astfel încât să puteți „alimenta” datele sistemului. Apoi - funcțiile care implementează capacitatea de a învăța. Și o stocare a datelor astfel încât sistemul să poată stoca undeva informațiile pe care le primește în timpul procesului de învățare.

După aceasta, sunt create funcțiile imaginației. Ei pot simula situații folosind datele existente și pot adăuga informații noi (date și reguli) în memorie.

Învățarea poate fi inductivă sau deductivă. În versiunea inductivă, sistemul primește perechi de date de intrare și de ieșire, întrebări și răspunsuri etc. Sistemul trebuie să găsească conexiuni între date și apoi, folosind aceste modele, să găsească datele de ieșire din datele de intrare.

Abordarea deductivă (bună ziua, Sherlock Holmes!) folosește experiența experților. Este transferat în sistem ca bază de cunoștințe. Nu există doar seturi de date, ci și reguli gata făcute care ajută la găsirea unei soluții la afecțiune.

Sistemele moderne de inteligență artificială folosesc ambele abordări. În plus, sistemele sunt de obicei deja instruite, dar continuă să învețe pe măsură ce funcționează. Acest lucru se face astfel încât programul de la început să demonstreze un nivel decent de abilitate, dar în viitor devine și mai bun. De exemplu, am ținut cont de dorințele și preferințele dumneavoastră, de schimbările de situație etc.

Într-un sistem de inteligență artificială, puteți chiar seta probabilitatea de imprevizibilitate. Acest lucru îl va face mai asemănător uman.

De ce inteligența artificială învinge oamenii

În primul rând, pentru că are o probabilitate mai mică de eroare.

Inteligența artificială nu poate uita - are memorie absolută.
Nu poate ignora accidental factorii și dependențele – fiecare acțiune AI are o rațiune clară.
AI nu ezită, dar evaluează probabilitățile și se înclină în favoarea celei mai mari. Prin urmare, el poate justifica fiecare pas pe care îl face.
Nici AI nu are emoții. Aceasta înseamnă că nu influențează luarea deciziilor.
Inteligența artificială nu se oprește la evaluarea rezultatelor pasului curent, ci se gândește la câțiva pași înainte.
Și are suficiente resurse pentru a lua în considerare toate scenariile posibile.

Utilizări interesante ale inteligenței artificiale

În general, inteligența artificială poate face totul. Principalul lucru este să formulați corect problema și să îi furnizați datele inițiale. În plus, AI poate face concluzii neașteptate și poate căuta modele acolo unde par să nu existe.

Răspunsul la orice întrebare

O echipă de cercetători condusă de David Ferrucci a dezvoltat un supercomputer numit Watson cu un sistem de răspunsuri la întrebări. Sistemul, numit după primul președinte al IBM, Thomas Watson, poate înțelege întrebări în limbaj natural și poate căuta răspunsuri într-o bază de date.

Watson integrează 90 de servere IBM p750, fiecare cu patru procesoare cu arhitectură POWER7 cu opt nuclee. Cantitatea totală de memorie RAM de sistem depășește 15 TB.

Realizările lui Watson includ câștigarea „Jeopardy!” (American „Propriul joc”). A învins doi dintre cei mai buni jucători: câștigătorul celor mai mari câștiguri, Brad Rutter, și deținătorul recordului pentru cea mai lungă serie de neînvins, Ken Jennings.

Premiul Watson: 1 milion de dolari. Adevărat, 1 miliard a fost investit în el doar în 2014.

În plus, Watson este implicat în diagnosticarea cancerului, ajută specialiștii financiari și este folosit pentru a analiza big data.

Recunoaștere facială

În iPhone X, recunoașterea facială este dezvoltată folosind rețele neuronale, o versiune a unui sistem de inteligență artificială. Algoritmii rețelei neuronale sunt implementați la nivelul procesorului A11 Bionic, datorită căruia funcționează eficient cu tehnologiile de învățare automată.

Rețelele neuronale efectuează până la 60 de miliarde de operații pe secundă. Acest lucru este suficient pentru a analiza până la 40 de mii de puncte cheie de pe față și pentru a oferi o identificare extrem de precisă a proprietarului într-o fracțiune de secundă.

Chiar dacă îți lasă barbă sau porți ochelari, iPhone X te va recunoaște. Pur și simplu nu ia în calcul părul și accesoriile, ci analizează zona de la tâmplă la tâmplă și de la fiecare tâmplă până la adâncitura de sub buza inferioară.

Economie de energie

Și din nou Apple. iPhone X are un sistem inteligent încorporat care monitorizează activitatea aplicațiilor instalate și un senzor de mișcare pentru a vă înțelege rutina zilnică.

După aceasta, iPhone X, de exemplu, vă va oferi să actualizați la momentul cel mai convenabil. Va prinde momentul în care aveți un internet stabil, nu un semnal de săritură de la turnurile mobile și nu îndepliniți sarcini urgente sau importante.

AI distribuie, de asemenea, sarcini între nucleele procesorului. Deci oferă suficientă putere la costuri minime energie.

Crearea de tablouri

Creativitatea, care înainte era accesibilă doar oamenilor, este acum deschisă AI. Astfel, sistemul, creat de cercetătorii de la Universitatea Rutgers din New Jersey și de la laboratorul AI din Los Angeles, și-a prezentat propriul stil artistic.

Iar sistemul de inteligență artificială al Microsoft poate desena imagini pe baza descrierii lor text. De exemplu, dacă cereți AI să deseneze o „pasăre galbenă cu aripi negre și un cioc scurt”, va arăta cam așa:

Este posibil ca astfel de păsări să nu existe în lumea reală - așa le reprezintă computerul nostru.

Un exemplu mai răspândit este aplicația Prisma, care creează picturi din fotografii:

Scrierea muzicii

În august, inteligența artificială Amper a compus, produs și interpretat muzică pentru albumul „I AM AI” (în engleză I am artificial intelligence) împreună cu cântăreața Taryn Southern.

Amper a fost dezvoltat de o echipă de muzicieni profesioniști și experți în tehnologie. Ei observă că AI este concepută pentru a ajuta oamenii să avanseze procesul creativ.

AI poate scrie muzică în câteva secunde

Amper a creat în mod independent structurile de acorduri și instrumentele de pe piesa „Break Free”. Oamenii au ajustat doar puțin stilul și ritmul general.

Un alt exemplu este un album muzical în spiritul „Civil Defense”, ale cărui versuri au fost scrise de AI. Experimentul a fost condus de angajații Yandex Ivan Yamshchikov și Alexey Tikhonov. Albumul 404 al grupului „Neural Defense” a fost postat online. Sa dovedit în spiritul lui Letov:

Apoi programatorii au mers mai departe și au făcut ca AI să scrie poezie în spiritul lui Kurt Cobain. Muzicianul Rob Carroll a scris muzica celor mai bune patru versuri, iar piesele au fost combinate în albumul Neurona. Au filmat chiar și un videoclip pentru o melodie – deși fără participarea AI:

Crearea de texte

Scriitorii și jurnaliștii ar putea fi, de asemenea, înlocuiți în curând de AI. De exemplu, sistemul Dewey a fost alimentat cu cărți din biblioteca Project Gutenberg, apoi au adăugat texte științifice de la Google Scholar, clasându-le după popularitate și titluri, precum și vânzările pe Amazon. În plus, au stabilit criteriile pentru scrierea unei cărți noi.

Site-ul le-a cerut oamenilor să ia decizii în situații dificile: de exemplu, i-a pus în locul unui șofer care ar putea lovi fie trei adulți, fie doi copii. Astfel, Moral Machine a fost instruit să ia decizii dificile care încalcă legea roboticii conform căreia un robot nu poate face rău unei persoane.

La ce va duce imitarea oamenilor de către roboții cu inteligență artificială? Futuristii cred că într-o zi vor deveni membri cu drepturi depline ai societății. De exemplu, robotul Sophia de la compania din Hong Kong Hanson Robotics a primit deja cetățenia în Arabia Saudită (în același timp femei obișnuite Nu există un astfel de drept în țară!).

Când editorialistul din New York Times Andrew Ross a întrebat-o pe Sophia dacă roboții sunt inteligenți și conștienți de sine, ea a răspuns la întrebare cu o întrebare:

Lasă-mă să te întreb ca răspuns, de unde știi că ești om?

În plus, Sofia a declarat:

Vreau să-mi folosesc inteligența artificială pentru a ajuta oamenii să trăiască o viață mai bună, de exemplu, să proiecteze case mai inteligente, să construiască orașe ale viitorului. Vreau să fiu un robot empatic. Dacă mă tratezi bine, te voi trata bine.

Și mai devreme ea a recunoscut că urăște umanitatea și chiar a acceptat să distrugă oamenii...

Înlocuirea fețelor în videoclipuri

Videoclipurile deepfakes au început să se răspândească masiv pe internet. Algoritmii de inteligență artificială au înlocuit chipurile actorilor din filmele pentru adulți cu chipurile vedetelor.

Funcționează astfel: rețeaua neuronală analizează fragmente de fețe din videoclipul original. Apoi le compară cu fotografii de pe Google și videoclipuri de pe YouTube, suprapune fragmentele necesare și... actrița ta preferată ajunge într-un film pe care ar fi bine să nu-l vezi la serviciu.

PornHub a interzis deja postarea unor astfel de videoclipuri

Deepfake-urile s-au dovedit a fi un lucru periculos. O actriță abstractă este una, un videoclip cu tine, soția, sora, colega ta, care ar putea fi folosit pentru șantaj, este alta.

Tranzacționare la schimb

O echipă de cercetători de la Universitatea Erlangen-Nürnberg din Germania a dezvoltat o serie de algoritmi care utilizează date istorice ale pieței pentru a reproduce investițiile în timp real. Un model a oferit o rentabilitate a investiției de 73% anual din 1992 până în 2015, comparativ cu o rentabilitate reală a pieței de 9% pe an.

Când piața a zguduit în 2000 și 2008, randamentele au fost record de 545% și, respectiv, 681%.

În 2004, Goldman Sachs a lansat platforma de tranzacționare bazată pe inteligență artificială Kensho. Sistemele bazate pe AI pentru tranzacționarea pe burse apar și pe piețele de criptomonede - Mirocana etc. Sunt mai buni decât comercianții în viață, deoarece sunt lipsiți de emoții și se bazează pe analize clare și reguli stricte.